RAG 质量工程师智能 Agent 系统产品系统

汽车零部件质量评审场景中，质量工程师需要查阅大量体系文件、检验标准、历史质量故障案例，资料分散检索低效。本系统面向质量评审、问题复盘场景，基于企业内部质量文档构建知识库，帮助工程师快速检索标准、定位同类质量问题，提升质量问题分析效率。

系统具备文档解析入库、向量知识库构建、RAG 检索增强、多轮对话 Agent、质量报告辅助生成、引用溯源功能。支持上传质量规范、检验记录、历史不良案例；Agent 可理解质量问题，检索匹配文档，辅助工程师开展根因分析，回答体系标准相关问题，输出带原文引用的质量分析建议，支持对话历史留存管理。

本人负责 Agent 整体开发，基于 LangGraph 搭建智能体流程，使用 Milvus 向量库存储文档向量，LangChain 实现文档切分与检索，FastAPI 提供后端接口；难点是质量专业文本的分片优化、减少幻觉，实现 Agent 工具调用，精准匹配工业质量领域文档，保障回答引用可溯源。